hands-on-modern-rl

🚀 開源實作課程,銜接從基礎 RL 概念到 LLM 對齊、RLVR 及高級代理系統的知識斷層。

hands-on-modern-rl 是什麼?

🚀 開源實作課程,銜接從基礎 RL 概念到 LLM 對齊、RLVR 及高級代理系統的知識斷層。

hands-on-modern-rl 概覽

這是什麼

一個開源的實作課程,從基礎強化學習概念銜接到 LLM 對齊、RLVR 與進階代理系統。內容涵蓋馬可夫決策過程、策略最佳化、推理模型、代理系統與多模態系統。

主要功能

  • 14 個自包含章節筆記本,搭配 12 個 Studio 輔助工具 - 兩條學習路徑:古典與深度 RL(第 1–12 章)與現代 RL 與代理 AI(第 13–26 章) - 關鍵推導(PPO、DPO、GRPO)與其實作並列 - 真實訓練曲線、消融實驗與失敗訊號,展示演算法行為 - 從古典 RL(CartPole、Atari)進展到語言模型對齊(RLHF、DPO、GRPO) - 將代理 AI 視為序列決策問題(工具使用、瀏覽、程式修復) - 先呈現現象,再引入數學抽象

使用情境

  • 從基礎到進階學習強化學習 - 在 CartPole、Atari Pong、LunarLander、BipedalWalker 等經典環境中訓練代理 - 透過 RLHF、DPO、GRPO 與可驗證獎勵將 RL 應用於語言模型 - 建構能呼叫工具、瀏覽網頁、撰寫程式與完成多步驟任務的代理 AI 系統 - 視覺與具身任務、訓練系統與評估

快速開始

請參閱儲存庫 README 以取得安裝與快速開始說明。

授權與價格

授權條款未標明(NOASSERTION)。此專案為開源。

內容整理自該專案公開的 README 與儲存庫資訊。

將此徽章加入你的 README

Featured on YunoDB 徽章樣式與說明

你是這個專案的維護者嗎?展示它已收錄於 YunoDB。

Markdown[![Featured on YunoDB](https://yunodb.com/badge/walkinglabshands-on-modern-rl.svg)](https://yunodb.com/tools/walkinglabshands-on-modern-rl?utm_source=github&utm_medium=badge)
HTML<a href="https://yunodb.com/tools/walkinglabshands-on-modern-rl?utm_source=github&utm_medium=badge"><img src="https://yunodb.com/badge/walkinglabshands-on-modern-rl.svg" alt="Featured on YunoDB" height="20"></a>